NYU 团队新预印本:符号模型揭示人类与 AI 犯错模式惊人相似
LakeBrenden · x · 2026-11-10
Brenden Lake 团队(Solim LeGris 一作)发布预印本《Synthesizing symbolic models of human and machine reasoning at scale》,提出 Behavior-Conditioned Symbolic Synthesis(BCSS)方法,自动搜索可验证复现行为的可解释符号程序,在 ARC 域大规模建模人类与机器的推理错误。
核心发现
- 人类与 AI 在数百道复杂推理题上的错误存在共同特征:倾向过度简化、采用只部分解释观察的规则、错误推断问题特征间的依赖
- 这些共同签名受可用资源调节:推理努力程度可预测机器简化和解释观察的程度
- 结果指向人机共有的"满意即可"(satisficing)机制,BCSS 提供了解释和比较人类与黑箱 AI 规则推理的通用方法
「漫话AGI」频道最新
- Strogatz 新书《Big Math》：机器数学可解百万未知数难题 — stevenstrogatz · 2026-11-10
- 新论文提出「瓶颈压力」:AI 做不了的工作将更值钱 — soumitrashukla9 · 2026-11-10
- 前 OpenAI 政策高管：应更新心智模型，AI 必将快速持续推进 — Miles_Brundage · 2026-11-10
- 全球新生儿 2012 年见顶,AI 与机器人成对抗老龄化唯一出路 — JHochderffer · 2026-11-10
- David Gross 领衔杨-米尔斯工作组验证 AI 数学成果，涉 QCD 存在性证明 — danintheory · 2026-11-10
- 「RSI 黎明前的乡愁」：研究者 dan faggella 感慨人类日常即将消逝 — danfaggella · 2026-11-10